| 研究課題/領域番号 |
18K18011
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分60030:統計科学関連
|
|---|
| 研究機関 | 鹿児島大学 |
|---|
研究代表者 |
吉田 拓真 鹿児島大学, 理工学域理学系, 准教授 (80707141)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | ノンパラメトリック平滑化 / 高次元データ / 次元削減 / 極値統計学 / スパースモデリング / 分位点回帰 / 極値統計 / 極値分位点回帰 / ノンパラメトリック法 / 逐次推定 / ノンパラメトリック回帰 / 漸近理論 / ノンパラメトリック補完 / ダイバージェンス |
|---|
| 研究成果の概要 |
本研究課題は5年間の研究期間で、6編の学術論文が国際ジャーナルから掲載された。また、関連した話題で9件の国内会議で、2件の国際会議で成果を報告した。得られたすべての成果は研究計画通り、ノンパラメトリック回帰を極値分位点、高次元データ、機械学習理論の応用のいずれかに関するもので、当テーマの深化的発展に貢献できたと言える。
|
| 研究成果の学術的意義や社会的意義 |
開発されたノンパラメトリック回帰手法により、近年話題となっている大規模データの解析や、データの最大値をより正確に予測する方法を提案できた。このような研究はただちに実用科学に応用できるものではないが、データ解析においては、数ある統計手法の共通点、相違点からそれぞれの問題について適切な手法を用いることが重要であり、手法が豊富に存在すること自体が重要である。今回の研究はその一端を担うものである。
|
